4 这么巧你也有超能力

尚未进行身份认证

个人订阅号,这么巧你也有超能力,欢迎关注。

等级
TA的排名 12w+

mysql 可视化工具总结

一、HeidiSQL简介:官网 githubHeidiSQL runs fine on Windows Vista, 7, 8 and 10. Using Wine, it mostly runs fine on Linux and MacOS. Connect to multiple servers in one window 支持sql语句 方便看到数据库的大小、列数 ...

2020-01-20 14:18:29

数据版本管理 DVC data version control 和git一起管理你的机器学习实验数据

数据版本管理的目的每个模型的在训练的时候,所使用的训练数据/测试数据都有可能是变化的,在进行复现实验结果的时候,除了使用同样的代码,config,使用同样的数据也是非常重要的。如下图,如果要人工记录数据版本以及模型版本,使之匹配是比较麻烦的,因此,数据版本管理是十分必要的。一、简介DVC 可以轻松地将数据存储在许多存储系统上,像本地磁盘、SSH 服务器或云系统(S3、GCP 等...

2020-01-20 13:28:01

mysql 双主同步(基于GTID)zabbix自动监控状态

一、主从介绍主从复制:主服务器可以读写,从服务器可以读,主服务器写的时候,从服务器也同步双主复制:两个服务器都是主服务器,都可以读写,互相同步,只要有一个写,另一个就会同步,但必须指定相同主键,初始状态需要相同。组复制:多个sever(半)同步复制GTID:不再依赖binlog文件名和文件中的位置,前几种都需要依赖,且极容易出错,需要flush logs,但需要5.7之后的版本...

2020-01-13 19:14:57

baseline needs more love 简单网络vs复杂网络(1)——baseline

(一)背景说到baseline和art of start,做建模的同学应该都不会陌生吧,最近关于机器学习和深度学习的争执也是越来越多,其中就不乏会有人认为,其实深度学习能够做到的事情,机器学习也可以做到,还可以少花费一些时间来训练模型,计算资源的要求也会低一些,可是事实上到底是怎样的呢?baseline needs more love这篇论文(ACL2018)中就做了相关的实验来进行证明。说到NL...

2018-07-13 20:59:41

爬虫报错 DLL load failed: 操作系统无法运行1%

查到的解决方案有三种:1)重新安装 scrapy,pip uninstall scarpy 2)把C:\Windows\System32目录下的libeay32.dll和ssleay32.dll删除即可(但是可能会对其他依赖这两个DLL的软件有影响)。(未尝试)3)pip install -I cryptography (建议使用此方法)...

2018-07-11 15:40:14

OS自动创建和系统时间名字一样的文件夹

利用OS自动创建和系统时间名字一样的文件夹例子:结果:创建一个文件夹2018_04_16_19_39_50,里边有三个文件夹FP/FN/TP#!/usr/bin/python# coding:utf-8'''# creat Folder same as system time# Copyright 2018.4.16 Pulse Analyze Project# Author: supe

2018-04-16 19:41:34

Tensor must be 4-D with last dim 1, 3, or 4,bug记录

torch学习入坑(1) 记录一下第一个坑,防止自己忘记。 在用torchvision.utils.make_grid处理完图片之后,维度会变为三维,如果需要使用tf.summary.image ,需要增加batch size 的那一维,需要用到的函数为 tf.expand_dims。注意:1、torchvision.utils.make_grid函数 输入:Tensor of s...

2018-04-16 18:55:56

InfoGAN 网络训练过程介绍

一、InfoGAN是什么 简单的讲,就是一种常见的GAN,是在普通的GAN的基础上增加Q网络,可以通过无监督学习的方式学到生成的数据的类别。二、小故事 小D是一个很喜欢吃饺子的姑娘,喜欢吃不同的馅的饺子,而且对于饺子的要求十分高,尤其喜欢B城的一家饺子店的饺子,但是由于长期身在A城,没有办法吃到B城的饺子。 而她的男朋友小G和她是异地,而且恰好是在B城,是一个非常宠她的小伙子,经常为了让...

2018-01-19 17:19:07

tensorflow r1.5 版本差异调研

一、Breaking Changes1、预编制的二进制文件是针对CUDA 9 和 cuDNN 7制定的。2、Linux的二进制文件是使用 ubuntu 16构建的,在使用ubuntu 14引入glibc的时候,可能会出现不兼容的问题。3、从1.6的版本开始,预编译的二进制文件会使用AVX指令,可能会破坏CPU上的TF。(This may break TF on older CPUs)

2018-01-05 09:42:04

Alexnet 网络结构和原理介绍

一、Alexnet网络结构图* 二、Alexnet网络结构详细解读* 之前做过一个相关的ppt,下图是其中的一页,介绍的也比较详细,可以参考:Alexnet网络是由八层网络组成的,包括5层卷积层和3层全连接层,下面是详细的介绍: 首先,Alexnet的输入部分是224*224*3的图片,经过预处理之后,变为227*227*3的大小,作为网络的输入的部分。

2018-01-04 14:53:43

交叉验证 CrossValidation K折交叉验证

在机器学习或者深度学习的过程中,划分数据集是一个十分重要的工作,我们在进行交叉验证的时候,可以有效的减少过拟合的情况,尽可能的利用数据的全部的有效特征来进行训练模型。

2018-01-02 18:05:06

数据标准化 数据归一化 数据预处理 data normalization / scale

一、数据归一化的好处:数据标准化和归一化的区别和联系: 在进行处理数据的时候,标准化的方法是比较多的,其中数据归一化是一种常见的数据的标准化,只不过标准化只是将数据进行规范到一个范围之内,对于数据的归一化来说,是将数据规范到0到1之间或者是-1到1之间。在使用机器学习或者深度学习的模型的时候,数据预处理的阶段是十分重要的,我们在进行处理的时候,包括缺失值处理、异常值处理、重复值处理等很多方面,当然

2018-01-02 16:14:19

迁移学习基础知识 源域 多任务学习 目标域

迁移学习 简单的将就是举一反三,是将已经学习到的知识迁移到另一种未知的知识的学习,即从源域迁移到目标域。小故事 从前有一个商人,在帝都以卖猫的玩偶为生,他叫CNN,很厉害,是一个分辨高手,擅长区分不同的猫咪,如果有人拿猫咪想要坑他,基本是不可能的。名贵的猫咪的玩偶也就卖的贵一些。突然有一天,他不想卖猫了,想要卖狗狗和老虎的玩偶(只是比喻啦~保护小动物人人有责,违法乱纪的事坚决不能干)。 本以为

2018-01-02 15:27:53

重采样 上采样 下采样

重采样的原理: 重采样主要是分为上采样和下采样,在进行采样的过程中,需要注意采样的倍率的问题,并不是可以随意的改变采样率的大小的,根据采样定理:在进行模拟/数字信号的转换过程中,当采样频率fs.max大于信号中最高频率fmax的2倍时(fs.max>=2fmax),采样之后的数字信号完整地保留了原始信号中的信息,一般实际应用中保证采样频率为信号最高频率的5~10倍;采样定理又称奈奎斯特定理。(采样

2018-01-02 15:15:49

TP FP FN TN precision Recall Accuracy

TP: true postive,实际上是正样本,预测也为正样本,真正 FP:false postive,实际上是负样本,预测为正样本,真负 FN:false negative,实际上是正样本,预测为负样本,假负 TN:true negative,实际上是负样本,预测为负样本,真负 precision :精准率 = TP/(TP+FP) Recall :召回率 = TP/(TP+FN)

2017-12-29 16:28:19

sklearn.model_selection中的train_test_split使用方法,分割数据集,划分训练集和测试集

sklearn.model_selection中的train_test_split使用方法,分割数据集,划分训练集和测试集

2017-12-28 16:50:55

调试神经网络的注意事项和技巧总结(一)

最近在调试神经网络的过程中,遇到了网络不收敛的情况,查阅了很多的相关的资料,根据相关的建议,作出了一些实验,来进行调试,下面这几点是我遇到的几个坑: 1.数据预处理 2. 数据规范化 3.正则化 4.batch size 5.使用了不适当的学习率 6.在最后一层使用了错误的激活函数 7.网络含有不良梯度 8.尝试不同的优化器 9.及时检查结果首先,对于一个神经网络来说,我们在进行建

2017-11-25 14:20:02

InfoGAN 论文阅读笔记 基本知识总结

最近的一些工作是在使用InfoGAN,查看了一些资料,发现相关的资料并不是很多,所以,写了这个博客,一方面希望对最近两个周看到的文献进行一个归纳总结,另一方面希望遇到在做这方面的工作的大佬们,请教学习,不足之处请指正,谢谢大家~。一、什么是InfoGANInfoGAN是一种常见的GAN 的变种,是由InfoGAN: Interpretable Representation Learning

2017-11-04 17:18:43

GANs基础调研报告

本文主要是介绍DCGAN、WGAN、CGAN的优缺点以及原理

2017-10-09 17:07:26

动脉硬化检测分析部分指标说明

1、脉压:为高低压差。正常一般为40mmHg,60脉压增大。脉压指的是收缩压和舒张压之间的差值,正常范围是30~50mmHg,在20~30mmHg之间或50~60mmHg之间临界值,此时如果伴随心脑血管病危险因素者应当积极治疗。说明:脉压是卒中的重要的预测因子,脉压每升高10mmHg,卒中的危险增加11%,全因死亡的概率增加16%。2、ABI(ankle brachial inde

2017-09-07 09:01:56
勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。